LONDON (IT BOLTWISE) – Eine KI-gestützte Smartwatch kann Hinweise auf Hypertonie aus optischen Pulssignalen und Bewegungsdaten ableiten. In Tests erreichte das System ähnliche Sensitivitäten wie die klassische Blutdruckmessung in der Arztpraxis. Entscheidend ist, dass die Auswertung auch ohne direkte Cuff-Kalibrierung auskommt, allerdings nur über mehrere Messungen. Die Studie ordnet die Technologie als Screening-Werkzeug ein, das die Manschettenmessung nicht ersetzt.
Die Idee, Blutdruck einfach per Handgelenk zu erfassen, klingt seit Jahren attraktiv. Bisher scheitert die Umsetzung oft an der Messphysik: Wearables können in der Regel keine Blutdruckwerte wie ein Manschetten- oder ein Laborgerät direkt „messen“, weil die optischen Signale der Haut nur indirekte Hinweise liefern. Genau hier setzt die jetzt in Nature veröffentlichte Arbeit an: Ein KI-Modell interpretiert Signale einer Consumer-Smartwatch so, dass es eine Wahrscheinlichkeit für Hypertonie ausgibt – und zwar mit Sensitivitäten, die an das heranreichen, was bei klassischem Screening in der Arztpraxis üblich ist.
Technisch basiert die Methode auf photoplethysmography, also einer optischen Technik, die Änderungen im Blutvolumen im mikrovaskulären Gewebe unter der Haut erfasst. Ergänzt wird das Ganze durch einen Beschleunigungssensor, der die Armbewegung während der Messung erfasst. Die Kombination aus optischem PPG-Signal und Bewegungsdaten reduziert typische Störanteile, etwa durch unruhiges Handgelenk oder unterschiedliche Aktivitätszustände. Das KI-Modell verarbeitet zusätzlich die Körpergröße der Teilnehmenden und berechnet daraus eine geschätzte Wahrscheinlichkeit für das Vorliegen von Hypertonie – und zwar ohne Cuff-Kalibrierung, wobei die Studie betont, dass für stabile Ergebnisse mehrere Messungen nötig sind.
Im Kern adressiert die Untersuchung damit ein Problem, das frühere KI-Ansätze in diesem Feld immer wieder hatten: Viele Arbeiten griffen zwar auf Deep-Learning-Modelle zurück, nutzten aber nicht durchgängig „Gold-Standard“-Referenzen. Für die Validierung setzen Paolo Di Achille und Kollegen auf den Abgleich mit einer Referenzmessung, die als klinisch besonders aussagekräftig gilt: 24-Stunden-ambulante Blutdruckmessung. Die Autoren trainierten den Algorithmus mit nahezu 500.000 Stunden Smartwatch-Daten von 2.109 Personen. In der anschließenden Validierung in 196 Teilnehmenden verglichen sie, ob die Smartwatch-basierte KI-Hypertonie-„Präsenz“ ähnlich gut identifiziert wie die standardmäßige Büro-Messung mit Manschette – und stellten dabei eine bemerkenswerte Nähe der Ergebnisse fest.
Die Ergebnisse zeigen sowohl Stärken als auch Grenzen. Bei der Erkennung von Hypertonie identifizierte die Smartwatch-KI etwas mehr Fälle als die klassische Büro-Messung; die berichteten Sensitivitäten lagen bei 65,8% für das KI-System und 55,3% für das office-basierte Cuff-Screening. Gleichzeitig sind die Unterschiede statistisch nicht signifikant, was ein wichtiges Signal für die praktische Einordnung ist: Die Technologie ist nicht „jenseits“ der etablierten Methode, aber sie erreicht deren diagnostisch relevante Größenordnung. Daneben waren die Spezifitäten identisch, mit einem Wert von 90% in der Studie – das entspricht dem Anteil der Situationen, in denen das Screening zuverlässig keine falsch-positiven Hinweise liefert. Genau diese Balance aus Sensitivität und Spezifität ist für ein Screening-Tool besonders wichtig, weil zu viele Fehlalarme den Aufwand erhöhen würden.
Für Unternehmen und Entwickler im Gesundheits-Ökosystem ist vor allem die Architektur der Idee interessant: Die Studie nutzt einen opportunistischen Ansatz – also die Auswertung Alltagsdaten (Sensoren am Konsumentengerät) im Zusammenspiel mit einer datengetriebenen Modellierung, statt auf zusätzliche Hardware oder komplizierte Kalibrierprozesse zu setzen. Gerade „ohne Cuff-Kalibrierung“ ist ein klares Produktversprechen, aber die Arbeit macht auch deutlich, dass es nicht um eine 1:1-Austausch-Logik geht. Die Autoren beschreiben das System ausdrücklich als Tool zur Identifikation von Personen mit Anzeichen von Hypertonie, um Diagnose und Intervention früher anzustoßen; die klassische Manschettenmessung soll dadurch nicht ersetzt werden.
Historisch lässt sich das wie ein weiterer Schritt in der Entwicklung vom reinen „Wearable-Tracking“ hin zu klinisch verwertbaren Assistenzfunktionen lesen. Frühe Wearable-Ansätze konnten vor allem Trends, etwa Pulsfrequenz oder Aktivitätsmuster, liefern. Später kamen Modelle hinzu, die aus PPG-Signalen auf Gesundheitsparameter schließen. Diese Studie geht aber einen Schritt weiter, indem sie direkt die diagnostische Fragestellung „Hypertonie ja/nein“ adressiert und die Validierung an etablierten Referenzverfahren ausrichtet. Verlässliche Referenzen wie die 24-Stunden-ambulante Messung sind dabei entscheidend, damit sich das Ergebnis nicht nur auf plausible Korrelationen stützt, sondern auf eine klinisch bedeutsame Zielgröße.
Der nächste Produkt- und Implementierungsschritt liegt damit weniger in der reinen Modellgüte als in der Einbettung in Prozesse. Wenn mehrere Messungen erforderlich sind, müssen Anwendungen die Nutzerführung entsprechend gestalten und Messbedingungen standardisieren, etwa durch Hinweise zur Ruhephase oder zur Position am Handgelenk. Außerdem bleibt die organisatorische Frage: Wie wird aus einem Screening-Hinweis ein sinnvoller klinischer Pfad, ohne die Manschettenmessung zu verdrängen? Genau hier können Plattformbetreiber, MedTech-Teams und Entwickler ansetzen, indem sie KI-Ausgaben mit klaren Interpretationsregeln, Logging für Qualitätssicherung und einer robusten Datenschutzarchitektur kombinieren. Die Studie zeigt jedenfalls, dass eine Consumer-Smartwatch als Sensorplattform für Hypertonie-Screening realistischer werden kann, wenn KI, Referenzvalidierung und Messdesign zusammenpassen. Publikationsdaten: Paolo Di Achille et al., Opportunistically Detecting Signs of Hypertension on a Consumer Smartwatch, Nature (2026). DOI: 10.1038/s41586-026-11336-3.
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!
- ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln – Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von 18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und ihr Spiel verbessern möchten.
- IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
- 【MEHR LEBEN FÜR DEINEN SCHREIBTISCH】 Lerne Eilik kennen – deinen kleinen Roboter-Freund mit Persönlichkeit. Mit liebevollen Animationen, ausdrucksstarken Reaktionen und spielerischen Interaktionen bringt Eilik mehr Freude in deinen Alltag. Ob auf dem Schreibtisch, im Büro oder am Nachttisch – Eilik wird schnell zu einem vertrauten Begleiter für besondere Momente.
- 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g.
- V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können.
- Die besten Bücher rund um KI & Robotik!
- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "KI-Smartwatch erkennt Hypertonie ähnlich wie Praxis-Messungen" für unsere Leser?
#Sophos
#AmazonPrime
#Bestseller
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "KI-Smartwatch erkennt Hypertonie ähnlich wie Praxis-Messungen" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »KI-Smartwatch erkennt Hypertonie ähnlich wie Praxis-Messungen« bei Google Deutschland suchen, bei Bing oder Google News!